1

RÉSOLUTION NUMÉRIQUE DE L’ÉQUATION F ( X ) = 0

CHOKRI, BEKKEY ; ZOUHAIER, HELALI

Ce document, destiné à des étudiants de L3, explique quelques méthodes permettant de trouver
numériquement les zéros de fonctions d’une variable réelle.

TABLE DES MATIÈRES

1. Introduction 1
1.1. Préambule 1
1.2. Exemple motivant : équation d’état d’un gaz 2
1.3. Rappels d’analyse 2
1.4. Critère d’arrêt pour la résolution numérique de f(x) = 0 5
2. Méthode de dichotomie 6
2.1. Principe 6
2.2. Etude de la convergence 6
2.3. Test d’arrêt 7
3. Méthode de point fixe 8
3.1. Principe 8
3.2. Point attractif 9
3.3. Point répulsif 11
3.4. Point douteux 12
3.5. Ordre de convergence 14
3.6. Test d’arrêt 15
4. Méthode de Newton 16
4.1. Principe et convergence 16
4.2. Illustration graphique 17
4.3. Méthode de Newton modifiée 18
4.4. Théorème de convergence globale 18
4.5. Test d’arrêt 20
5. Méthode de Lagrange 20
5.1. Principe 20
5.2. Interprétation géométrique 20
5.3. Convergence 21
6. Bibliographie 22
7. Exercices 22
Index 25

1. I NTRODUCTION
1.1. Préambule. L’étude générale des fonctions à variables réelles nécessite de temps à autre la
résolution d’équations de type f (x) = 0. Autrement dit, nous sommes amenés à trouver les zéros de
1. Ce travail a été réalisé à l’occasion d’un projet Tempus, action JEP-31147-2003, impliquant d’une part l’université
Paris-Sud, l’université de Lille (USTL) et l’université de Delft (TU Delft) et d’autre part l’université de Monastir (ISM et
FSM) et l’université de Sousse (ISITC)
1
2 CHOKRI, BEKKEY ; ZOUHAIER, HELALI

fonctions non linéaires, c’est-à-dire les valeurs réelles α telles que

f (α) = 0,
ou, ce qui est équivalent, à résoudre une équation de type
g(x) = x.

1.2. Exemple motivant : équation d’état d’un gaz. On veut déterminer le volume V occupé par un
gaz de température T et de pression p. L’équation d’état (c’est-à-dire l’équation qui lie p,V et T ) est :
 2
N
[p + a ](V − Nb) = kNT
V
où a et b sont deux coefficients dépendants de la nature du gaz, N le nombre de molécules contenues
dans le volume V et k la constante de Boltzmann. Il faut donc résoudre une équation non linéaire
d’inconnue V . Ceci revient à trouver les zéros de la fonction :
 2
N
f (V ) = [p + a ](V − Nb) − kNT.
V
Dans le cas le plus général, il s’agit de résoudre une équation non linéaire dont on n’est pas capable
de trouver une solution exacte. Dans ce cas, on dispose de quelques méthodes numériques exécutables
sur des logiciels comme Matlab, Maple, Octave, Scilab pour approximer la solution exacte. Ces mé-
thodes numériques sont toutes basées sur la construction d’une suite (xn )n∈N convergeant vers un réel
α vérifiant f (α) = 0.
Dans ce document, nous allons traiter quatre méthodes : la méthode de dichotomie, de point fixe,
de Newton et de Lagrange. Pour le faire, nous avons besoin de quelques rappels d’analyse.

1.3. Rappels d’analyse. Une équation de type f (x) = 0 peut être écrite d’une manière équivalente
sous la forme de g(x) = x. La fonction g est une fonction dépendante de f non unique comme le
montre l’exemple suivant :
Exemple 1. Si f (x) = sin(2x) − 1 + x = 0, la fonction g peut être
g(x) = 1 − sin(2x), x ∈ R
ou
1
g(x) = arcsin(1 − x), 0 ≤ x ≤ 1.
2
Les instructions Matlab suivantes permettent de tracer les représentations graphiques de ces fonc-
tions, y compris celle de la droite y = x :
Code Matlab 1.
x = 0:0.001:1;
f = inline ( ’ sin (2∗x)−1 + x’) ;
g1 = inline ( ’1−sin(2∗x)’) ;
g2 = inline ( ’ 1/2∗( asin(1−x))’) ;
h = inline ( ’x’) ;
plot (x, f (x) , ’−−.b’, x, g1(x) , ’−.b’, x, g2(x) , ’−−b’, x, h(x) , ’b’) ;
legend( ’ f ’ , ’y=1−sin(2x)’, ’y=1/2∗(Arcsin(1−x))’ , ’y=x’);
grid on;
ylabel ( ’y(x)’ ) ;
xlabel ( ’x’) ;
 RÉSOLUTION NUMÉRIQUE DE L’ÉQUATION F ( X ) = 0 3

On voit bien que f admet un unique zéro α ∈ [0, 1] et que les graphes des fonctions
y = x, y = 1 − sin(2x), et y = 1/2(arcsin(1 − x))
se coupent en (α, α).
1.3.1. Point fixe.
Définition 1. Un réel l ∈ [a, b] est dit point fixe d’une fonction g : [a, b] −→ R si
g(l) = l
1.3.2. Multiplicité d’une racine, fonction contractante.
Définition 2. Soit p un entier et f une fonction p fois dérivable.
(1) On dit que α est un zéro de f de multiplicité p si
f (α) = f (1) (α) = ... = f (p−1) (α) = 0 et f (p) (α) 6= 0.
(2) Un zéro de multiplicité 1 (respectivement 2) est appelé un zéro simple (respectivement double).
Définition 3. Soit k ∈ ]0, 1[. Une fonction g : [a, b] −→ R est dite fonction contractante de rapport k
si
∀ x, y ∈ [a, b], |g(x) − g(y)| ≤ k|x − y|
Remarque 1. (1) Soit g ∈ C 1 ([a, b]). Si
|g0 (x)| < 1, ∀x ∈ [a, b],
alors g est contractante sur [a, b].
(2) Une fonction contractante est continue.
1.3.3. Théorème de point fixe.
Théorème 1. Soit g : [a, b] −→ [a, b] une fonction contractante de rapport k. Alors g admet un unique
point fixe l ∈ [a, b].
De plus, pour tout choix de x0 ∈ [a, b], la suite définie par xn+1 = g(xn ), ∀n ≥ 0 converge vers l quand
n −→ +∞.
Démonstration. Etape 1 : Existence de l et convergence de la suite
Remarquons d’abord que g([a, b]) ⊂ [a, b] ce qui implique que la suite (xn ) est bien définie. Soit x0
dans [a, b] et xn+1 = g(xn ), ∀n ≥ 0. Nous allons montrer :
4 CHOKRI, BEKKEY ; ZOUHAIER, HELALI

(1) (xn ) est de Cauchy (donc convergente, car [a, b] est complet)
(2) xn −→ l quand n −→ +∞, où l est un point fixe de g.
Par hypothèse, on sait que
∀n ≥ 1, |xn − xn+1 | = |g(xn−1 ) − g(xn )| ≤ k|xn−1 − xn |.
Par récurrence sur n, on obtient :
|xn − xn+1 | ≤ kn |x0 − x1 |, ∀n ≥ 0.
Soit n ≥ 0 et p ≥ 1, on a donc :

|xn+p − xn | ≤ |xn+p − xn+p−1 | + · · · + |xn+1 − xn |

p
≤ ∑ |xn+q − xn+q−1|
q=1
p
(∗) ≤ ∑ kn+q−1|x1 − x0|
q=1
≤ |x1 − x0 | kn 1 + k + · · · + k p−1


kn
≤ |x1 − x0 | −→ 0 quand n −→ +∞ car k < 1
1−k
La suite (xn ) est donc de Cauchy dans [a, b] qui est complet et par conséquent (xn ) converge vers une
limite l quand n −→ +∞. Comme la fonction g est contractante, elle est continue, et donc g(xn ) −→
g(l) quand n −→ +∞. En passant à la limite dans l’égalité : xn+1 = g(xn ), on en déduit que l = g(l),
c’est à dire que l est un point fixe de g.
Etape 2 : Unicité
Soient l1 et l2 deux points fixes de g, donc l1 = g(l1 ) et l2 = g(l2 ), alors |g(l1 ) − g(l2 )| = |l1 − l2 | ≤
k|l1 − l2 | ; comme k < 1, ceci est impossible sauf si l1 = l2 .

Remarque 2. Si g est une application vérifiant

g([a, b]) ⊂ [a, b]
|g0 (x)| < 1, ∀x ∈ [a, b]
alors la suite définie par xn+1 = g(xn ), ∀n ≥ 0 converge vers l’unique point fixe l de g sur [a, b] pour
tout choix de x0 ∈ [a, b]. De plus en faisant tendre p vers l’infini dans (∗) et en gardant n, on obtient :
kn
|xn − l| ≤ |x1 − x0 | , ∀n ∈ N avec k = max |g0 (x)|
1−k x∈[a, b]

1.3.4. Fonctions convexes.

Définition 4 (fonction convexe). Soit I un intervalle de R. Une fonction f : I −→ R est dite convexe
sur I si
∀λ ∈ [0, 1], ∀x, y ∈ I, f (λx + (1 − λ)y) ≤ λ f (x) + (1 − λ) f (y)
Si l’inégalité est stricte, f est dite strictement convexe.
Proposition 1. Si I = [a, b], α ∈]a, b[ et f : I −→ R convexe, alors la fonction
f (x) − f (α)
Φα : x −→ Φα (x) =
x−α
est croissante sur I \ {α}.
 RÉSOLUTION NUMÉRIQUE DE L’ÉQUATION F ( X ) = 0 5

Proposition 2. Si f : I ⊂ R −→ R est deux fois dérivable, alors :

f (2) ≥ 0 =⇒ f convexe
f (2) > 0 =⇒ f strictement convexe
Définition 5. On dit que f : I ⊂ R −→ R est concave sur I si (− f ) est convexe sur I.
1.3.5. Vitesse de convergence d’une suite.
Définition 6. Soit (xn )n∈N une suite convergente vers α. On appelle ordre de convergence de la suite
(xn ) le réel fini ou infini r > 0 défini par :
 
|xn+1 − α|
r = sup s ∈ R+ tel que lim <∞
n−→+∞ |xn − α|s

(1) Si r = 2, on dit que la convergence de (xn ) est quadratique.

(2) Si r = 3, on dit que la convergence de (xn ) est cubique.

(3) Supposons que l’ordre de convergence de la suite (xn ) est r = 1 et que :

|xn+1 − α|
lim =k≤1
n−→+∞ |xn − α|

(a) Si 0 < k < 1 on dit que la suite (xn ) est à convergence linéaire.

(b) Si k = 0 on dit que la suite (xn ) est à convergence super-linéaire.

(c) Si k = 1 on dit que la suite (xn ) est à convergence logarithmique.

Exemple 2. Soit a ∈ R∗+ . Soit la suite récurrente (xn )n∈N définie par

x0 = 3
xn+1 = g(xn )
avec
1 a
g(x) = x+ .
√ 2 x
La suite (xn ) converge vers a et son ordre de convergence est égal à 2. En effet :
√ √
xn+1 − a xn2 + a − 2 axn 1
√ 2= √ 2 −→ √ quand n −→ +∞
(xn − a) 2(xn − a) xn 2 a
et √
xn+1 − a
√ −→ +∞ quand n −→ +∞
(xn − a)3
1.4. Critère d’arrêt pour la résolution numérique de f(x) = 0. Une fois construite la suite (xn )
convergeant vers l vérifiant g(l) = l, quand peut-on arrêter les itérations de l’algorithme numérique si
l’on désire déterminer une valeur approchée de l avec une tolérance ε fixée à l’avance. Un bon critère
d’arrêt est le contrôle de l’incrément :
(1) On constate la convergence : les résultats numériques se stabilisent.
(2) On s’arrête à l’itération n0 si on peut montrer théoriquement que :
∀n ≥ n0 , |xn+1 − xn | < ε
6 CHOKRI, BEKKEY ; ZOUHAIER, HELALI

Exemple 3. Soit f (x) = x3 − 4x + 1. On vérifie que f admet 3 racines réelles l1 ∈ [−2.5, −2] l2 ∈
[0, 0.5] et l3 ∈ [1.5, 2] en posant
x3 − 4x + 1 2x3 − 1
g(x) = x − = 2
3x2 − 4 3x − 4
Un simple calcul donne les valeurs suivantes :
x0 -2 0 2
x1 -2.125 0.25 1.875
x2 -2.114975450 0.254098301 1.860978520
x3 -2.114907545 0.254101688 1.860805877
x4 -2.114907541 0.254101688 1.860805853
x5 -2.114907541 0.254101688 1.860805853
x6
x7
x8
On constate que les valeurs numériques se stabilisent et on a alors les valeurs approchées de l1 , l2 et
l3 à environ 10−9 près.

2. M ÉTHODE DE DICHOTOMIE
2.1. Principe. Considérons une fonction f continue sur un intervalle [a, b]. On suppose que f admet
une et une seule racine α dans ]a, b[ et que f (a). f (b) < 0. On note
a+b
c=
2
le milieu de l’intervalle.
(1) Si f (c) = 0, c’est la racine de f et le problème est résolu.
(2) Si f (c) 6= 0, nous regardons le signe de f (a). f (c).
(a) Si f (a). f (c) < 0, alors α ∈]a, c[
(b) Si f (c). f (b) < 0, alors α ∈]c, b[
On recommence le processus en prenant l’intervalle [a, c] au lieu de [a, b] dans le premier cas, et
l’intervalle [c, b] au lieu de [a, b] dans le second cas. De cette manière, on construit par récurrence
sur n trois suites (an ), (bn ) et (cn ) telles que a0 = a, b0 = b et telles que pour tout n ≥ 0,
an +bn
(1) cn = 2
(2) Si f (cn ). f (bn ) < 0 alors an+1 = cn et bn+1 = bn .
(3) Si f (cn ). f (an ) < 0 alors an+1 = an et bn+1 = cn .
L’algorithme ci-dessus s’appelle l’algorithme de dichotomie.
2.2. Etude de la convergence.
Théorème 2. Soit f une fonction continue sur [a, b], vérifiant f (a). f (b) < 0 et soit α ∈ [a, b] l’unique
solution de l’équation f (x) = 0. Si l’algorithme de dichotomie arrive jusqu’à l’étape n alors on a
l’estimation :
b−a
|α − cn | ≤ n+1 .
2
Par conséquent, la suite (cn ) converge vers α. C’est aussi vrai si (cn ) = α.
Démonstration. Il suffit de remarquer qu’à chaque itération, on divise l’intervalle par deux. 
 RÉSOLUTION NUMÉRIQUE DE L’ÉQUATION F ( X ) = 0 7

2.3. Test d’arrêt. Pour que la valeur de cn de la suite à la n-ième itération soit une valeur approchée
de α à ε > 0 près, il suffit que n vérifie :
b−a
≤ε
2n+1
On a alors :
b−a
|α − cn | ≤ n+1 ≤ ε
2
ce qui permet de calculer à l’avance le nombre maximal n0 ∈ N d’itérations assurant la précision ε.
b−a b−a n+1 log b−a
ε
≤ ε ⇐⇒ ≤ 2 ⇐⇒ n ≥ −1
2n+1 ε log(2)
√
Exemple 4. On considère la fonction f (x) = exp(x) + 3 x − 2 sur l’intervalle [0, 1]. Le code Matlab
suivant trace le graphe de f .
Code Matlab 2.
x = 0:0.001:1;
f = inline ( ’exp(x)+3∗sqrt (x)−2’);
plot (x, f (x))
grid on;
ylabel ( ’ f (x)’ ) ;
xlabel ( ’x’) ;
title ( ’graphe de f ’ ) ;

La figure montre que f admet un unique zéro α ∈ [0, 1]. Si on veut utiliser la méthode de dichotomie
pour estimer α à une tolérance ε = 10−10 près, il nous faut au plus 33 itérations. En effet, la suite (xn )
qui approche α vérifie
1
|xn − α| ≤ n+1
2
et
1 −10 log(10)
≤ 10 =⇒ n ≥ 10 − 1 ≈ 33.
2n+1 log(2)
Vérification numérique. Le code Matlab suivant permet de calculer la valeur de n nécessaire pour
atteindre la précision ε = 10−10 en choisissant a = 0 et b = 1.
Code Matlab 3.
8 CHOKRI, BEKKEY ; ZOUHAIER, HELALI

g = inline ( ’exp( t ) + 3∗sqrt ( t )−2’);

Nit = 0;
epsilon = 1e−10;
borneinf = 0;
bornesup = 1;
pmilieu = ( borneinf + bornesup) /2;

while and(g(pmilieu ) ~= 0, (bornesup−borneinf) >= epsilon )

Nit = Nit+1;
if g(pmilieu )∗g( borneinf ) < 0
bornesup = pmilieu ;
else
borneinf = pmilieu ;
end
pmilieu = ( borneinf + bornesup) /2;
end
pmilieu
g(pmilieu )
Nit − 1
n_theorique = 10∗log(10) / log (2) − 1

Résultats
α = 0.0910
f (α) = −8.9593e − 12
nnumerique = 33
ntheorique = 10 log(10)/ log(2) − 1 = 32.2193
Exemple 5. Si nous reprenons l’exemple précédent avec la fonction f (x) = 10x − 5, nous obtenons
les résultats suivants :
α = 0.5000
f (α) = 0
nnumerique = 0
ntheorique = 10 log(10)/ log(2) − 1 = 32.2193
On voit alors qu’on atteint la racine α sans aucune itération, ce qui montre contrairement à l’exemple
précédent que la majoration du théorème ci-dessus est parfois assez large.
Exercice 1. Méthode de dichotomie (WIMS)

3. M ÉTHODE DE POINT FIXE

3.1. Principe. Le principe de cette méthode consiste à transformer l’équation f (x) = 0 en une équa-
tion équivalente g(x) = x où g est une fonction auxiliaire "bien" choisie. Le point α est alors un point
fixe de g. Approcher les zéros de f revient à approcher les points fixes de g. Le choix de la fonction
g est motivé par les exigences du théorème de point fixe. En effet, elle doit être contractante dans un
voisinage I de α, ce qui revient à vérifier que |g0 (x)| < 1 sur ce voisinage. Dans ce cas, on construit
une suite (xn )n∈N définie par :

x0 dans un voisinage I de α
∀ n ≥ 0, xn+1 = g(xn )
 RÉSOLUTION NUMÉRIQUE DE L’ÉQUATION F ( X ) = 0 9

Il ne reste plus qu’à appliquer localement le théorème de point fixe pour démontrer que

α = lim xn .
n−→+∞

C’est l’objet du paragraphe suivant :

Exercice 2. Méthode de point fixe (WIMS)

3.2. Point attractif.

3.2.1. Théorème de convergence.

Théorème 3. Soit g : I = [a, b] −→ [a, b] de classe C 1 . On suppose que g admet un point fixe α ∈ [a, b]
vérifiant |g0 (α)| < 1. Alors il existe un voisinage Vα de α dans I tel que la suite (xn ) définie par :


x0 ∈ Vα
xn+1 = g(xn ), ∀ n ≥ 0

converge vers α.

Démonstration. Comme |g0 (α)| < 1, il existe k 6= 0 tel que |g0 (α)| ≤ k < 1. De plus, g0 est continue
sur I donc il existe un voisinage Vα = [α − h, α + h] ⊂ I (h > 0) tel que

∀x ∈ Vα , |g0 (x)| ≤ k < 1.

Donc g est k-contractante sur Vα . En particulier, g(x) ∈ Vα . Le théorème de point fixe appliqué loca-
lement à g dans le voisinage Vα implique que

∀ x0 ∈ Vα , lim xn = α
n−→+∞

Définition 7. Le réel α vérifiant les hypothèses du théorème précédent est appelé point fixe attractif
de g et le voisinage Vα correspondant est dit intervalle de convergence de la méthode d’approxima-
tion.

3.2.2. Illustration graphique.

Code Matlab 4.

x = 1.3:0.001:2.3;
plot (x, log(x) +1.1, ’−’, x, x, ’−−’)
grid on;
ylabel ( ’y’) ;
xlabel ( ’x’) ;
title ( ’Cas d’’un point fixe attractif ’ ) ;
10 CHOKRI, BEKKEY ; ZOUHAIER, HELALI

3.2.3. Intervalle de convergence.

Proposition 3. En pratique, un intervalle de convergence Vα peut être calculé comme suit :
(1) Si 0 ≤ g0 (α) < 1, prendre comme intervalle de convergence
Vα = [β, γ]
contenant α tel que
0 ≤ g0 (x) < 1, ∀x ∈ [β, γ].
(2) Si −1 < g0 (α) < 0, prendre comme intervalle de convergence
Vα = [β, g(β)]
tel que
−1 < g0 (x) < 0, ∀x ∈ [β, g(β)].
Démonstration. (1) Cas où 0 ≤ g0 (α) < 1. D’après la continuité de g0 , il existe [β, γ] contenant α
tel que
0 ≤ g0 (x) < 1, ∀x ∈ [β, γ].
On a alors
g([β, γ]) ⊂ [β, γ].
En effet, comme g est croissante sur [β, γ], on a :
g([β, γ]) = [g(β), g(γ)].
D’autre part, on a
α − g(β) = g(α) − g(β) = (α − β)g0 (ξ), ξ ∈]β, γ[.
Comme g0 (ξ) ∈ [0, 1[,
0 ≤ α − g(β) ≤ (α − β)
ce qui donne g(β) ≥ β. Donc α − β ≥ 0.
De plus,
g(γ) − α = g(γ) − g(α) = (γ − α)g0 (ν), ν ∈]α, γ[.
Comme g0 (ν) ∈ [0, 1[,
0 ≤ g(γ) − α ≤ (γ − α),
ce qui donne g(γ) ≤ γ.
D’où g([β, γ]) ⊂ [β, γ]. De plus :
 RÉSOLUTION NUMÉRIQUE DE L’ÉQUATION F ( X ) = 0 11

– si x0 < α, alors (xn ) est croissante convergeant vers α ;

– si x0 > α, alors (xn ) est décroissante convergeant vers α
(2) Cas où −1 < g0 (α) < 0. D’après la continuité de g0 , il existe un voisinage [β, γ] de α tel que

−1 < g0 (x) < 0, ∀x ∈ [β, γ],

et γ = g(β). Les réels γ et β sont nécessairement de part et d’autre de α : β < α < γ ou

γ < α < β.
En effet, on a
γ − α = g(β) − g(α) = (β − α)g0 (ξ), ξ ∈]β, α[.
Comme g0 (ξ) ∈] − 1, 0[, γ − α et β − α sont de signes contraires, ce qui prouve le résultat.
Montrons que si x0 ∈ [β, γ], alors

xn ∈ [β, γ], ∀n ∈ N.

On suppose que β < γ ; on a x0 ∈ [β, γ], ce qui implique que β ≤ x0 , puis que

γ = g(β) ≥ g(x0 ) = x1 .

D’où x1 ∈ [β, γ]. Soit n ∈ N, en supposant que xn et xn−1 appartiennent à [β, γ], on montre de
la même façon que
xn+1 ∈ [β, γ].

On conclut donc que

∀n ∈ N, xn ∈ [β, γ].

Remarquons finalement que α est toujours entre deux termes successifs de la suite (xn ). On
dit que (xn ) encadre α. Par conséquent si |xn − xn−1 | ≤ ε, |xn − α| ≤ ε.


3.3. Point répulsif.

3.3.1. Théorème de non-convergence.

Théorème 4. Soit g : I = [a, b] −→ [a, b] de classe C 1 . On suppose que g admet un point fixe α ∈ [a, b]
vérifiant |g0 (α)| > 1. Alors il existe un voisinage Vα de α dans I tel que la suite (xn ) définie par :

x0 ∈ Vα \ {α}
xn+1 = g(xn ); ∀n≥0
ne converge pas vers α.
 
Démonstration. Comme limx−→α  g(x)−g(α) 0
x−α  = |g (α)| > 1, il existe un voisinage Vα = [α−h, α+h] ⊂
 

I, avec h > 0 tel que ∀ x ∈ Vα \ {α}, |g(x) − α| > |x − α|. Donc (xn ) ne converge pas vers α. 

Définition 8. Le réel α vérifiant les hypothèses du théorème précédent est appelé point fixe répulsif
de g.
12 CHOKRI, BEKKEY ; ZOUHAIER, HELALI

3.3.2. Illustration graphique.

Code Matlab 5.
x = 1:0.0001:2;
plot (x, exp(x)−2, ’−’, x, x, ’−−’)
grid on;
ylabel ( ’y’) ;
xlabel ( ’x’) ;
title ( ’Cas d’’un point fixe repulsif ’ )

3.3.3. Remarque sur la convergence.

Remarque
 −1 0  3. Lorsque α est un point répulsif de g, celle-ci devient bijective au voisinage de α et
(g ) (α) = 0 1 < 1. Par conséquent, le point α devient un point attractif pour g−1 . En effet, si
|g (α)|
0
|g (α)| > 1 alors g est strictement monotone au voisinage de α.
Exercice 3. Différents types de points fixes (WIMS)
3.4. Point douteux.
Définition 9. Soit g : I = [a, b] −→ [a, b] de classe C 1 pour laquelle α est un unique point fixe vérifiant
|g0 (α)| = 1. Alors α est appelé point douteux de g, car il peut être attractif ou répulsif comme le montre
les deux exemples suivants :
Exemple 6. Soit la fonction g définie par g(x) = sin x , x ∈ [0, π2 ]. On a ∀ x ∈]0, π2 ], sin x < x et pour
tout x0 ∈]0, π2 ], la suite itérée (xn ) définie par xn+1 = g(xn ) est strictement décroissante minorée par 0
donc convergeant vers une limite α. Comme g est continue et que α = g (α) , α = 0 est l’unique point
fixe de g sur [0, π2 ].
Illustration graphique
Code Matlab 6.
x = −pi /2:0.0001: pi /2;
g = inline ( ’ sin (x)’ ) ;
plot (x, g(x) , ’−−’, x, x, ’−’)
grid on;
 RÉSOLUTION NUMÉRIQUE DE L’ÉQUATION F ( X ) = 0 13

ylabel ( ’g(x)’ ) ;
xlabel ( ’x’) ;
axis on;
title ( ’graphe de g’) ;

Exemple 7. Soit la fonction g(x) = sinh x , x ∈ [0, +∞]. On a sinh x > x et pour tout x0 ∈]0, +∞[, la
suite itérée (xn ) définie par xn+1 = g(xn ) est strictement croissante et non majorée donc divergente.
Par conséquent, le point fixe α = 0 de g est répulsif.

Illustration graphique

Code Matlab 7.

x = −1:0.0001:2;
g = inline ( ’ sinh (x)’ ) ;
plot (x, g(x) , ’−−’, x, x, ’−’)
grid on;
ylabel ( ’g(x)’ ) ;
xlabel ( ’x’) ;
axis on;
title ( ’graphe de g’) ;
14 CHOKRI, BEKKEY ; ZOUHAIER, HELALI

Exercice 4. Point douteux (WIMS)

3.5. Ordre de convergence. Soit α un point fixe de g.
Remarque 4. Si g0 (α) = 0, on sait que α est un point attractif. Si de plus g est de classe C 2 sur I et
s’il existe M > 0 tel que |g(2) (x)| ≤ M, pour tout x dans un voisinage Vα de α alors d’après la formule
de Taylor :
2
g(x) = g(α) + (x − α)g0 (α) + (x−α) (2)
2 g (c) avec c ∈]α, x[
1 (2) 2
= α + 2 g (c)(x − α)
d’où |g(x) − α| ≤ 21 M|x − α|2 avec M = supx∈I |g(2) (x)|. La suite (xn ) est alors convergente à conver-
gence au moins quadratique (voir introduction).
Nous allons maintenant présenter un résultat simplifié concernant l’ordre de la méthode de point fixe.
Théorème 5. Soit g : I = [a, b] −→ [a, b] de classe C m , avec m ∈ N. On suppose que g admet un
unique point fixe α ∈ [a, b] vérifiant |g0 (α)| < 1.
Il existe alors un voisinage Vα de α dans I tel que la suite itérée (xn ) définie par :

x0 ∈ Vα
xn+1 = g(xn ) ∀n ≥ 0
converge vers α.
De plus, si
g0 (α) = · · · = g(m−1) (α) = 0 et g(m) (α) 6= 0
alors l’ordre de convergence de (xn ) est égal à m.
Démonstration. L’existence de Vα de α est assurée par le théorème de convergence pour un point
attractif. La formule de Taylor appliquée à la fonction g au point α à l’ordre m donne : il existe un
réel cn dans l’intervalle (xn , α) tel que :
g(m−1) (α) g(m) (cn )
xn+1 = g(α) + g0 (α) (xn − α) + · · · + (xn − α)m−1 + (xn − α)m
(m − 1)! m!
Si on suppose de plus que g0 (α) = · · · = g(m−1) (α) = 0 et g(m) (α) 6= 0, alors
g(m) (cn )
xn+1 = α + (xn − α)m .
m!
Donc,
 RÉSOLUTION NUMÉRIQUE DE L’ÉQUATION F ( X ) = 0 15

|xn+1 − α| |g(m) (cn ) | |g(m) (α) |

– le rapport = tend vers qui est fini et non nul,
|xn − α|m m! m!
|xn+1 − α| |g(m) (cn ) |
– pour tout ε > 0, le rapport = ε tend vers +∞.
|xn − α|m+ε m! |xn − α|


3.6. Test d’arrêt. Comme nous l’avons expliqué dans l’introduction, la suite (xn ) converge vers un
réel α vérifiant g(α) = α. En fixant la tolérance ε on estime qu’on atteint la précision ε dès qu’il existe
n0 ∈ N tel que :

|xn0 +1 − xn0 | < ε

Néanmoins, la situation devient plus concrète lorsque g0 est négative au voisinage de α. En effet :
Proposition 4. Soit g : [a, b] −→ [a, b] de classe C 1 . On suppose que g admet un unique point fixe
α ∈ [a, b] vérifiant −1 < g0 (x) < 0 pour tout x dans un intervalle de convergence Vα de α. Soit la
suite (xn ) définie par :

x0 ∈ Vα
xn+1 = g(xn ); ∀n≥0
Alors :
∀n ∈ N, |xn+1 − α| ≤ |xn+1 − xn |
Par conséquent, soit n0 tel que |xn0 − α| < ε, alors xn0 approche α à ε près.
Démonstration. On applique le théorème des accroissements finis à g entre xn et α. Il existe alors cn
entre xn et α telle que :
g(xn ) − g(α) = g0 (cn )(xn − α)
ce qui donne :
xn+1 − α = g0 (cn )(xn − α)
Comme g0 (cn ) < 0, (xn+1 − α) et (xn − α) sont de signes contraires.

Finalement,
|xn+1 − α| ≤ |xn+1 − xn |

16 CHOKRI, BEKKEY ; ZOUHAIER, HELALI

4. M ÉTHODE DE N EWTON
4.1. Principe et convergence. La méthode de Newton est une méthode particulière de point fixe. Elle
est basée sur l’idée de construction d’une suite (xn ) qui converge vers α d’une manière quadratique.
Rappelons que d’après le théorème 5, si g est une application de [a, b] dans [a, b], on a les résultats
suivants :
(1) Si g ∈ C 1 ([a, b]) , g0 (α) 6= 0, |g0 (α)| < 1, et si ∀n ∈ N, xn 6= α alors
|xn+1 − α|  0 
lim = g (α) ∈]0, 1[
n−→+∞ |xn − α|

et la convergence est linéaire.

(2) Si g ∈ C 2 ([a, b]) , g0 (α) = 0 et ∀n ∈ N, xn 6= α, alors
|xn+1 − α| 1  (2) 
lim = g (α)
n−→+∞ |x − α|2 2
n

et la convergence est au moins quadratique.

Poursuivons maintenant notre construction de la méthode de Newton. Considérons f ∈ C 3 ([a, b])
et α ∈ [a, b] tel que f (α) = 0. Posons
g(x) = x + h(x) f (x),
avec h ∈ C 2 ([a, b]) tel que h(x) 6= 0, ∀x ∈ [a, b]. Nous avons donc
g(x) = x ⇐⇒ f (x) = 0.
Si on choisit h pour que g0 (α) = 0, la méthode de point fixe appliquée g donne pour x0 ∈ Vα une suite
(xn ) convergeant vers α d’une manière au moins quadratique (d’ordre supérieur ou égal à 2). Or
0
g0 (x) = 1 + h (x) f (x) + f 0 (x)h(x)
et donc
g0 (α) = 1 + h(α) f 0 (α).
Il suffit donc de choisir h telle que
1
h(α) = − .
f 0 (α)
Ceci n’est possible que si
f 0 (α) 6= 0.
En résumé, si f ∈ C 3 ([a, b]) est telle que f 0 (α) 6= 0 et f (α) = 0, on prend h = − f10 pour x assez
proche de α, et la fonction g ∈ C 2 ([a, b]) définie par :
f (x)
g(x) = x −
f 0 (x)
vérifie g0 (α) = 0. Grâce au théorème 5, il existe un voisinage Vα de α dans [a, b] tel que la suite (xn )
définie par
(
x0 ∈ Vα
xn+1 = g(xn ) = xn − ff0(xn)
(xn ) , ∀n≥0
est convergente vers α de manière au moins quadratique.
 RÉSOLUTION NUMÉRIQUE DE L’ÉQUATION F ( X ) = 0 17

Remarque 5. La suite de Newton vérifie

f 0 (xn )(xn+1 − xn ) = − f (xn )

ou encore

(1) f (xn ) + f 0 (xn )(xn+1 − xn ) = 0.

Soit x0 un point donné (proche de α). On considère la droite D qui passe par le point (xn , f (xn )) et
qui a comme pente f 0 (xn ). Elle a comme équation :

y = f 0 (xn )(x − xn ) + f (xn ).

D’après l’équation (1), xn+1 est le point où la droite D intersecte l’axe Ox.

4.2. Illustration graphique.

Code Matlab 8.
x = 0.1:.001:3;
x0 = 2;
x1 = 2∗(1 − log(2) ) ;
plot (x, x.^−1 − 1 , ’−b’, x, −(1/x0)^2∗(x − x0) + (1/ x0 −1), ’−−b’)
grid on;
ylabel ( ’y’) ;
xlabel ( ’x’) ;
title ( ’ Illustration de la methode de Newton’);

Exercice 5 (Convergence locale de la méthode de Newton). Soit f : [a, b] −→ R une fonction de

classe C 2 admettant un unique zéro α ∈]a, b[ de multiplicité 1.

(1) Montrer qu’il existe η > 0 tel(que Vα = [α − η, α + η] ⊂]a, b[ vérifie ∀ x ∈ Vα , f 0 (x) 6= 0 et

x0 ∈ Vα
que la suite (xn ) définie par : converge vers α.
xn+1 = xn − ff0(xn)
(xn ) ∀n ∈ N
18 CHOKRI, BEKKEY ; ZOUHAIER, HELALI

en+1 1 f (2) (α)

(2) On pose en = xn − α. Montrer que limn−→+∞ 2 = 2 0 .
en f (α)
 m1 = inf | f 0 (x)|
 x∈Vα
|en+1 | M2 
En déduire que ∀ n ∈ N, 2
≤ , avec
en 2m1 (2)
 M2 = sup | f (x)|


x∈Vα

Exercice 6. Méthode de Newton (WIMS)

Dans ce qui précède, nous avons supposé que la fonction f dont nous cherchons le zéro α vérifie
f (α) = 0 et f 0 (α) 6= 0.
Autrement dit, nous avons supposé que α est une racine simple de f . La question qu’on doit se poser
maintenant est : que se passe-t-il quand α est une racine de f de multiplicité m ≥ 2 ? Si on garde
la même fonction g que précédemment, la méthode de Newton perd son caractère de convergence
quadratique. En effet, on peut écrire
f (x) = (x − α)m h(x) avec h(α) 6= 0.
Donc
(x − α)m h(x) (x − α)h(x)
g(x) = x − = x −
m(x − α)m−1 h(x) + (x − α)m h0 (x) mh(x) + (x − α)h0 (x)
g(x) − g(α) 1 |xn+1 − α|
et lim = 1− 6= 0, ce qui implique en terme de suite que tend vers 1− m1 ∈
x−→α x−α m |xn − α|
]0, +∞[. Ceci se traduit par une convergence linéaire et pas du tout quadratique. Pour récupérer cette
dernière, on fait appel à la méthode de Newton modifiée.
4.3. Méthode de Newton modifiée. On suppose ici que α est une racine de f de multiplicité m ≥ 2,
c’est-à-dire :
f (x) = (x − α)m h(x) avec h(α) 6= 0.
On suppose que f ∈ C 2 ([a, b]) et par conséquent h aussi. On définit alors la fonction g par :
f (x)
g(x) = x − m 0 .
f (x)
Dans ce cas,
g(x) − g(α)
lim = 0,
x−→α x−α
ce qui implique :
|xn+1 − α| |xn+1 − α|
lim = 0 et lim < +∞.
n−→+∞ |xn − α| n−→+∞ |x − α|2
n
0
|xn+1 − α| h (α)
Exercice 7. Montrer que lim = .
n−→+∞ |xn − α|2 mh(α)

4.4. Théorème de convergence globale. Nous allons énoncer un résultat de convergence globale (x0
est choisi n’importe où dans le domaine de f ) concernant la méthode de Newton pour des fonctions
ayant une concavité déterminée (convexe ou concave).
Théorème 6. Soit f : [a, b] −→ R de classe C 2 vérifiant :

(1) f (a) f (b) < 0

(2) f 0 (x) 6= 0, ∀ x ∈ [a, b]
 RÉSOLUTION NUMÉRIQUE DE L’ÉQUATION F ( X ) = 0 19

(3) f (2) (x) 6= 0, ∀ x ∈ [a, b]

La suite (xn ) définie par :
(
x0 ∈ [a, b] tel que f (x0 ) f (2) (x0 ) > 0
f (xn )
xn+1 = xn − f 0 (xn )

est convergente vers α.

Démonstration. Les hypothèses

f (a) f (b) < 0
f 0 (x) 6= 0, ∀x ∈ [a, b]

implique qu’il existe un unique α ∈ [a, b] tel que f (α) = 0. Comme f (2) est de signe constant, on
distingue deux cas :
(1) Premier cas : f (2) (x) > 0, ∀ x ∈ [a, b] (donc f (x0 ) > 0).
(a) Si f 0 (x) > 0, ∀ x ∈ [a, b] on a :
f (x) > 0 ∀ x ∈]α, b] et f (x) < 0 ∀ x ∈ [a, α[.
Comme f (x0 ) > 0, alors x0 ∈]α, b]. Rappelons que g est la fonction définie par g(x) =
x − ff0(x)
(x) ∀ x ∈ [a, b]. Comme

f (x) f (2) (x)

g0 (x) = ≥ 0 ∀ x ∈]α, b],
( f 0 (x))2
g est croissante sur ]α, b]. D’où, α = g(α) ≤ g(x0 ) = x1 puisque α < x0 . On en déduit
que x1 ∈]α, b]. De plus,
f (x0 )
g(x0 ) = x1 = x0 − < x0 .
f 0 (x0 )
Donc, α ≤ x1 < x0 .
Par récurrence, on obtient :
α ≤ xn+1 < xn ≤ . . . < x2 < x1 < x0 ∀n ∈ N.
Donc la suite (xn ) est décroissante et minorée par α, ce qui montre qu’elle est conver-
gente. Comme xn+1 = g(xn ) et comme g est continue, (xn ) converge vers l’unique point
fixe α de g. On remarque de plus que
|xn+1 − α| < |xn − α| ∀n ∈ N.

(b) Si f 0 (x) < 0, ∀ x ∈ [a, b] un raisonnement semblable au précédent implique que (xn ) est
croissante majorée par α.
Donc (xn ) est convergente. Comme xn+1 = g(xn ) et que g est continue, on obtient que
(xn ) converge vers α l’unique point fixe de g.
(2) Second cas : f (2) (x) < 0, ∀ x ∈ [a, b] (donc f (x0 ) < 0). Alors le raisonnement précédent, avec
f remplacée par − f , implique que la suite (xn ) converge vers α.

20 CHOKRI, BEKKEY ; ZOUHAIER, HELALI

4.5. Test d’arrêt. Une fois construite la suite (xn ) convergeant vers le réel α vérifiant g(α) = α, et
une fois fixée la tolérance ε, nous cherchons le premier entier n0 vérifiant :
|xn0 +1 − xn0 | < ε.
Si on note en = xn − α l’erreur à l’itération n, on a :
en+1 = xn+1 − α = g(xn ) − g(α) = g0 (cn )en
avec cn un réel entre xn et α donné par le théorème des accroissements finis. Par conséquent,
xn+1 − xn = (xn+1 − α) − (xn − α)
= en+1 − en
= (g0 (cn ) − 1)en .
Or si n est suffisament grand,
g0 (cn ) ≈ g0 (α) = 0
et donc
en ≈ xn+1 − xn .
L’erreur qu’on commet lorsque l’on adopte ce critère est donc plus petite que la tolérance ε fixée.
|xn+1 − xn | = g0 (cn ) − 1 |xn − α|
 

5. M ÉTHODE DE L AGRANGE
5.1. Principe. La méthode de Lagrange est une variante de la méthode de Newton.
Soit f ∈ C 1 ([a, b], R) ayant une convexité déterminée. Rappelons que pour calculer un zéro α de
f par la méthode de Newton, on considère la suite (xn ) définie par :

x0 proche de α
f 0 (xn )(xn+1 − xn ) = − f (xn ), ∀n ≥ 0
Dans certaines situations, la dérivée de f est très compliquée voir même impossible à calculer. Dans
ce cas, nous approchons la dérivée par un taux d’accroissement. Ce que nous obtenons est appelée la
méthode de Lagrange ou méthode de la sécante :
(
x0 , x1 proche de α
f (xn )− f (xn−1 )
xn −xn−1 (xn+1 − xn ) = − f (xn ), ∀n ≥ 1
Ici, xn+1 dépend de xn et de xn−1 : on dit que c’est une méthode à deux pas ; nous avons d’ailleurs
besoin de deux itérés initiaux x0 et x1 .
L’avantage de cette méthode est qu’elle ne nécessite pas le calcul de la dérivée f 0 . L’inconvénient est
que la convergence n’est plus quadratique.
La fonction g correspondante vérifie :
xn − xn−1
xn+1 = g(xn ) = xn − f (xn ) .
f (xn ) − f (xn−1 )
5.2. Interprétation géométrique.
Code Matlab 9.
x = 0:.001:2;
plot (x, x.^2 − 1 , ’−b’)
grid on;
ylabel ( ’y’) ;
xlabel ( ’x’) ;
title ( ’ Illustration de la methode de Lagrange’) ;
 RÉSOLUTION NUMÉRIQUE DE L’ÉQUATION F ( X ) = 0 21

5.3. Convergence. Nous allons nous inspirer de l’exemple précédent pour présenter un théorème de
convergence.
Théorème 7. Soit f : [a, b] −→ R de classe C 2 telle que f 0 et f (2) soient strictement positives sur
[a, b]. On suppose que
f (a) < 0, f (b) > 0
et on appelle α l’unique solution de l’équation f (x) = 0. Alors
(1) La suite (xn ) telle que :
(
x0 = a
xn f (b)−b f (xn )
xn+1 = f (b)− f (xn ) , ∀n ≥ 0
est bien définie.
(2) La suite (xn ) est croissante et converge vers α.
(3) La méthode de Lagrange est d’ordre au moins 1 :
f 0 (α) 
 
|xn+1 − α| 
lim = 1 + (α − a)
n−→+∞ |xn − α| f (a) 
Démonstration. On pose xn+1 = g(xn ) où
x f (b) − b f (x)
g(x) = .
f (b) − f (x)
La fonction f est strictement convexe : sa courbe est en dessous de tout segment reliant deux points
de cette courbe. Donc f admet son unique zéro α dans l’intervalle [a, b].
Comme f (a) < 0 et f (b) > 0, le réel x1 est l’abscisse de l’intersection de la droite passant par (a, f (a))
et (b, f (b)) et vérifie f (x1 ) < 0 ; de même, f (x2 ) < 0 et par récurrence on a
f (xn ) < 0, ∀n ∈ N.
On vérifie que la suite (xn ) est croissante majorée par b, donc convergente. Comme xn+1 = g(xn ) et
que g est continue, la limite est l’unique point fixe de g. De plus,
0
     
 xn+1 − α   g(xn ) − g(α) 
 −→ |g0 (α)| = 1 + (α − b) f (α) 
 
 =
 xn − α   xn − α   f (a) 
(la dernière égalité est obtenue en dérivant g au point α). 
22 CHOKRI, BEKKEY ; ZOUHAIER, HELALI

Exercice 8. Méthode de Lagrange (WIMS)

6. B IBLIOGRAPHIE
(1) Philipe G. Ciarlet. Introduction à l’analyse numérique et à l’optimisation. Dunod 1990.
(2) Jean-Pierre Demailly. Analyse numérique et équations différentielles. Presses Universitaires
de Grenoble, 1996.
(3) Ernst Hairer. Introduction à l’analyse numérique. Université de Genève, section mathéma-
tiques, case postale 240. Octobre 2001.

7. E XERCICES
Exercice 9. On veut calculer les zéros de l’équation
√
x π 3
f (x) = − sin(x) + − =0
2 6 2
π
dans l’intervalle [− , π]. Le graphe de la fonction f est montré dans la figure suivante :
2

(1) Peut-on appliquer la méthode de la bissection pour calculer les deux racines ? Pourquoi ? Dans
le cas où c’est possible, estimer le nombre minimal d’itérations nécessaires pour calculer le(s)
zéro(s) avec une tolérance ε = 10−10 , après avoir choisi un intervalle convenable.

(2) Ecrire la méthode de Newton pour la fonction f . A l’aide du graphe de la fonction f , déduire
l’ordre de convergence de la méthode pour les deux zéros.

(3) On considère maintenant la méthode de point fixe xk+1 = φ(xk ), avec

√ !
xk π 3
φ(xk ) = sin(xk ) + −
2 6 2
 RÉSOLUTION NUMÉRIQUE DE L’ÉQUATION F ( X ) = 0 23

2π
pour calculer le zéro α > 0. En observant que α ∈ [ , π], établir si cette méthode de point
3
fixe est convergente.

2π
(4) En considérant encore le zéro α ∈ [ , π] et la méthode de point fixe introduite à la question
3
précédente, montrer qu’il existe une constante positive C > 0 telle que
|xk+1 − α| ≤ C|xk − α|
et estimer cette constante.
Exercice 10. On veut calculer le zéro α de la fonction f (x) = x3 − 2 en utilisant la méthode de point
fixe xk+1 = φ(xk ) suivante :
 w 2w
xk+1 = xk 1 − + (xk )3 (1 − w) + + 2(w − 1), k ≥ 0,
3 3(xk )2
w ∈ R étant un paramètre réel.
(1) Pour quelles valeurs du paramètre w, le zéro de la fonction f est-il un point fixe de la méthode
proposée ?
(2) Pour quelles valeurs de w, la méthode proposée est-elle d’ordre 2 ?
(3) Existe-t-il une valeur de w telle que l’ordre de la méthode de point fixe est supérieur à 2 ?
Exercice 11. On considère l’équation non linéaire
x2
f (x) = ex − −x−1 = 0
2
sur l’intervalle [−1, 1].
(1) Montrer que la fonction f admet un zéro α dans [−1, 1] et qu’il est unique.
(2) Ecrire la méthode de Newton pour résoudre l’équation f (x) = 0. Quel est l’ordre de conver-
gence de cette méthode ? Justifier la réponse.
(3) Proposer une méthode d’ordre 2 pour la résolution de l’équation donnée.
Exercice 12. Soit α une racine double de la fonction f :
f (α) = f 0 (α) = 0 et f (2) (α) 6= 0.
(1) En tenant compte du fait qu’on peut écrire la fonction f comme
f (x) = (x − α)2 h(x) où h(α) 6= 0,
vérifier que la méthode de Newton pour l’approximation de la racine α est seulement d’ordre 1.
(2) On considère la méthode de Newton modifiée suivante :
f (xk )
xk+1 = xk − 2 .
f 0 (xk )
Vérifier que cette méthode est d’ordre deux si l’on veut approcher α.
Exercice 13. On considère la fonction
√
f (x) = ex + 3 x − 2
sur l’intervalle [0, 1].
(1) Montrer qu’il existe un zéro α pour la fonction f dans [0, 1] et qu’il est unique.
24 CHOKRI, BEKKEY ; ZOUHAIER, HELALI

(2) On veut calculer le zéro α de la fonction f par une méthode de point fixe convenable. En
particulier on se donne deux méthodes de point fixe x = φi (x), i = 1, 2, où les fonctions φ1 et
φ2 sont définies comme :
√ (2 − ex )2
φ1 (x) = ln(2 − 3 x) et φ2 (x) =
9
Laquelle de ces deux méthodes utiliseriez-vous pour calculer numériquement le zéro α de la
fonction f ? Justifiez votre réponse.
(3) En utilisant la méthode de la bissection sur l’intervalle [0, 1], estimer le nombre d’itérations
nécessaires pour calculer le zéro α de la fonction f avec une tolérance ε = 10−10 .
 I NDEX
algorithme
de dichotomie, 6

contrôle de l’incrément, 5
convergence
cubique, 5
logarithmique, 5
quadratique, 5
super-linéaire, 5
linéaire, 5

fonction
concave, 5
contractante, 3
convexe, 4
strictement convexe, 4

intervalle de convergence, 9

méthode
à deux pas, 20
de Lagrange, 20
de Newton, 16
de Newton modifiée, 18
de point fixe, 8
Matlab
exemple 1, 2
exemple 2, 7
exemple 3, 7
méthode de Lagrange, 20
point attractif, 9
point répulsif, 12, 13
multiplicité d’une racine, 3

point fixe
attractif, 9
douteux, 12
répulsif, 11

zéro
double, 3
simple, 3

25